SSC-5880(Denis)

SSC-5880 Algoritmos de Estimação para Robótica Móvel

Prof. Denis F. Wolf

Horário: sexta-feira das 10:00 às 13:00

Sala: 5002

Objetivos Esta disciplina aborda algoritmos avançados da área de robótica móvel. São abordadas técnicas inteligentes para controle de sistemas autônomos e aplicação de teoria probabilística e fusão de sensores na solução de problemas envolvendo robôs móveis. São também apresentadas e discutidas aplicações práticas de robôs móveis que ilustram os conceitos estudados. As aulas abordam os aspectos teóricos da área bem como propõe implementações práticas para complementar o aprendizado.

Conteúdo Fusão de sensores e aplicação de teoria probabilística na solução de problemas: filtro de Bayes, filtro de Kalman, filtro de partículas e premissa de Markov - Navegação de robôs móveis. - Localização: Localização Global e Local. Métodos de Markov, Monte Carlo e Kalman - Mapeamento: métrico e topológico e 3D. - Mapeamento e localização simultâneos, SLAM, EKF – SLAM e Fast SLAM - Exploração de ambientes

Avaliação

Nota final = Seminário * 0.3 + Trabalhos * 0.6 + Participação nas aulas * 0.1

Cronograma (atualizado 6/6)

 9/5 – Apresentação + Revisão de Teoria Probabilística
16/5 – Localização Markov + EKF
23/5 – Localização Monte Carlo + Mapeamento
30/5 – SLAM 
 6/6 - IEEE IV (não haverá aula) 
13/6 – IEEE IV (não haverá aula) 
20/6 – Recesso
27/6 – Seminários
01/7 – Seminários (9:00 sala 3-104)

Bibliografia

1) SEBASTIAN THRUN, WOLFRAM BURGARD, DIETER FOX (2005), Probabilistic Robotics, MIT Press, ISNB: 026220162-3, 667 páginas.

2) STUART RUSSELL, PETER NORVIG (2003),Artificial Intelligence: A Modern Approach, ISBN: 0137903952, 1132 páginas.

3) Artigos científicos da área

Material Didático:

Arquivo:SSC-5880 1 Intro.pdf

Arquivo:SSC-5880 1 Intro Prob.pdf

Arquivo:SSC-5880 2 Localização - Markov e Grid.pdf

Arquivo:SSC-5880 2 Localização - Monte Carlo.pdf

Arquivo:SSC-5880 Loc Grid Python.txt

Arquivo:SSC-5880 Trabalho 1.pdf

Arquivo:SSC-5880 2 Localização - Filtro de Kalman.pdf